Är räntor autokorrelerade?
När man studerar dagliga förändringar i räntor ligger autokorrelationen nära noll. Om man däremot samplar om datan och tittar på årliga förändringar är autokorrelationen negativ. Det innebär att kortsiktiga ränteförändringar kan vara okorrelerade, medan långsiktiga förändringar är negativt autokorrelerade. En daglig rörelse uppåt eller nedåt i räntor berättar troligen ingenting om morgondagens räntenivå, men en förändring över ett år kan ge en indikation om vart räntorna är på väg under det kommande året. Det finns också en ekonomisk logik bakom detta: på längre sikt tenderar ekonomin att bromsa in när räntorna stiger, vilket i sin tur leder till att räntorna faller – och omvänt.
DataFrame-objektet daily_rates innehåller dagliga data för 10-åriga räntor från 1962 till 2017.
Den här övningen är en del av kursen
Tidsserieanalys i Python
Övningsinstruktioner
- Skapa en ny DataFrame,
daily_diff, med dagliga ränteförändringar med hjälp av metoden.diff(). - Beräkna autokorrelationen för kolumnen
'US10Y'idaily_diffmed metoden.autocorr(). - Använd metoden
.resample()med argumentetrule='A'följt av funktionen.last()för att konvertera till årsfrekvens. - Skapa en ny DataFrame,
yearly_diff, med årliga ränteförändringar och beräkna autokorrelationen på samma sätt som ovan.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Compute the daily change in interest rates
daily_diff = daily_rates.___
# Compute and print the autocorrelation of daily changes
autocorrelation_daily = daily_diff[___].___
print("The autocorrelation of daily interest rate changes is %4.2f" %(autocorrelation_daily))
# Convert the daily data to annual data
yearly_rates = daily_rates.resample(___).___
# Repeat above for annual data
yearly_diff = yearly_rates.___
autocorrelation_yearly = yearly_diff[___].___
print("The autocorrelation of annual interest rate changes is %4.2f" %(autocorrelation_yearly))